ارائه چارچوبي براي تحليل انطباق نقشه وزن مبنا مبتني بر الگوي نگاشت كاهش و رايانش ابري

این روزها داده های خودروهای شناور (FCD) یكی از موضوعات داغ در زمینه سیستم های حمل و نقل هوشمند (ITS) و مدیریت ترافیك می باشند. با توجه به دقت محدود این داده ها مسئله انطباق نقشه یكی از مسائل داغ در به كارگیری و تحلیل آنی FCD است. در سال های اخیر تحقیقات متعددی برروی بهبود صحت و نرخ موفقیت این تحلیل انجام پذیرفته است اما موضوع كارآمدی و بهره وری این تحلیل كمتر مورد بررسی قرار گرفته است. با توجه به حجم بالای داده های FCD ذخیره سازی و تحلیل آنی آنان با كمك روش های سنتی امری پیچیده است. زمانی كه حجم داده ها از چندین گیگابایت فراتر رود، پایگاه داده های رابطه ای سنتی یا نمی توانند چنین حجمی از داده را پشتیبانی كنند و یا در مدیریت آن دچار مشكلاتی می شوند. به علاوه پردازش حجم بالایی از داده ها نیازمند منابع قدرتمند پردازشی است كه این امر نیز نیازمند هزینه های گزاف جهت خرید و نگهداری زیرساخت های حجیم رایانشی است. در این مقاله برای پاسخ به چالش های فوق چارچوبی مبتنی بر اصول رایانش ابری و الگوی نگاشت كاهش ارائه شده است. چارچوب فوق تحلیلی توزیع یافته، مقیاس پذیر و كارآمد را بر روی سخت افزارهای معمولی ممكن می سازد. همچنین در این مقاله عملكرد چارچوب برروی سكوی آپاچی هدوپ (Apache Hadoop) مورد ارزیابی های اولیه قرار گرفته است.